JPS6037955B2 - 文字・記号認識方式 - Google Patents

Description

【発明の詳細な説明】 本発明は文字・記号認識方式に関する。

コンピュータシステム等において、文字・記号の自動議
取りが検討され一部実用にも供されている。

然しその多くは予め規格化された文字・記号の議取りで
あって、手書きの文字．記号の論取りについては未だ開
発段階であり種々提案がなされている。これら提案は大
別して２つの方式に分けられる。その一つは、位相化構
造方式によるもの、すなわちストロークの組合さり方を
議取り判別の基準とするもの。もう一つは、いわゆるパ
ターン・マッチング方式によるもの、すなわち定義パタ
ーンと被認識パターンとの一致の度合を読取り判別の基
準とするものである。このうち、前者の方式はストロー
クの抽出という技術課題に困難な問題があり、一方後者
の方式は文字・記号の変形例えば手書き文字。記号の歪
がある場合に正確な議取りができないという問題がある
。本発明の目的は、前記２方式のうち後者の方式「すな
わちパターン・マッチング方式を前提として、この方式
が有する前記の問題、すなわち手書き文字・記号に現わ
れる歪に起因して正確な議取りができないという問題を
効果的に解決することのできる文字・記号認識方式を提
案することである。

上記目的に従い本発明は、基準となる定義文字・記号に
ついて、そのパターンの各画素より遠ざかるのに比例し
て重みづけ値が増大する一定の規則性に従って、予め議
定義文字・記号の定義パターン・マップを形成し、一方
被認識文字・記号について、同様に前記一定の規則性と
同一の規則性に従って被認識パターン・マップを形成し
、前記定義パターン・マップおよび前記被認識パターン
・マップ間で相互に対応する部分が有するそれぞれの前
記重みづけ値の差を評価関数の変数とし、該評価関数の
値が最小となるときをもって認識を確定するようにした
ことを特徴とするものである。

以下図面に従って本発明に説明する。

第１図は本発明の方式の基礎となるパターン・マッチン
グ方式を図解的に示すブロック図である。

本図において、１１一１，１１一２１・・１１−ｎは基
準となる定義文字・記号のパターンであり、例えば“Ａ
”，“Ｂ”…“十”等について示してある。これら定義
文字・記号パターンは例えば磁気ディスク装置等からな
る定義ライブラリに予め格納されている。１２は個々の
被認識文字・記号のパターンであり、例えば光学論取り
手段で検出されるものであるが、一連のこれら文字・記
号から個々の文字・記号を区別して切り出しを行う技術
そのものは種々知られており、又本発明の本質でもない
ので詳細な説明は省略する。

この被認識文字・記号パターン１２は、類似判定部１３
−１，１３−２・・・１３−ｎにおいてそれぞれ対応す
るパターン１１−１，１１一２・・・ｌｉ−ｎと各類似
度が算出され、類似量Ｒ．，Ｒ２・・・Ｒｎが出力され
る。そして判定部１４において最大の類似量が判定され
、この最大類似量に対応する定義パターンをもって、被
認識パターンを謙取る。これは典型的なパターン。マッ
チング方式であるが、既述のとおり、手書き文字Ｑ記号
が有する歪に対処することが困難であり、結局高精度な
文字。記号認識ができなかった。そこで本発明は次の様
な文字。

記号認識方式を提案する。第２図は本発明に係る方式を
図解的に示すブロック図である。本図において、２１−
亀，２１一２…２亀−ｎは基準となる定義文字。記号の
パターンである。これらパターンは第１図のパターン１
１一１，１１一２…１１−ｎと全く異なる（後述）。一
方、２２は被認識文字・記号のパターンであるが、これ
も第１図のパターン１２とは全く異なる（後述）。これ
らパターン２１−１…２１−ｎ，２２が第１図のパター
ン１１−１・・・１１−ｎ，１２と全く異ならるのは、
本発明の方式が認識のパラメータとして“歪量”の概念
を導入したからである。一般に、手書き文字・記号を２
値のディジタルデータとしてコンピュータに読込むと、
この被認識パターンは定義パターンに比して種々の歪を
含んでいる。これは手書きであるがゆえに当然に生ずる
変形、線の濃淡、太さ紙さ、ゆらぎ等に起因する歪であ
る。換言すれば、被認識パターンとは、定義パターンの
どれか（いずれかの文字・記号）が歪んでできたもので
ある。しかし、コンピュータにとっては、その定義パタ
ーンのうちのどれかということも、又どれだけ歪んだか
ということも分らない。そこで、本発明は、次のような
発想に立つこととする。すなわち、「被認識パターンを
観測したとき、これは定義パターンに歪量Ｄを加えたも
のからなるものと考えてまずその歪量Ｄを求め、次にこ
の歪量○を最水にするような１つの定義パターンを選定
し、当該定義パターンをもって前記被認識パターンを特
定とする」というものである。かくしてこの被認識文字
・記号パターン２２は、歪量計算部２３一１，２３−２
・・・２３−ｎにおいてそれぞれ対応するパターン２１
一１，２１−２・・・２１一ｎと各歪量が算出され、歪
量Ｄ，，Ｄ２・・・Ｄｎが出力される。そして判定部２
４において最小の歪量が決定され、その最小歪量に対応
する定義パターンをもって被認識パターンを読取る。第
２図をもとに原理説明をしたとおり、本発明では“歪量
”が認識のパラメータとなる。

この歪量に着目すれば、手書き文字・記号もかなり高精
度に認識し、読取ることができる。ところが、この歪量
を如何に定量化するかが問題とある。この歪量の定量化
が不適当であれば、当然高精度な文字・記号認識が実現
されないからである。そこで、その歪量の定量化のため
、「パターンの各画素より遠ざかるのに比例して重みづ
け値が増大する一定の規則」を導入し、さらにその一定
の規則に従ってパターン・マップを形成する。ここに形
成されたパターン・マップが第２図に示したパタ−ン２
１−１〜２１−ｎ，２２である。もう少し具体的に説明
すると、文字・記号の最少ェレメントである一画素につ
いて、第３図のとおりパターン・マップが形成される。
本図において中心のハッチングを施した矩形部がその一
画素であり、その重みづけ量は１であるものとする。そ
して、その重みづけ量１に対して、中心から遠ざかる程
増大する重みづけ量２，３，４・・・を各位層に設定し
て行く。なお、この重みづけの設定は、規格化されたパ
ターンの領域、例えば１０×１４の領域を埋めつくすま
で行なわれる。前述したとおり、この重みづけは一定の
規則でなされるが、これは数学上の“比ｔａｇｏＭＩＤ
ｉｓｔａｎｃでの考えを利用したものである。ただし、
この“０ｃｔａ籾ｎａＩＤｉｓｔａＭｅ”は、パターン
・マッチング方式とは全く関係ない数学上の一規則であ
り、たまたまこの規則が最も良い結果をもたらしたに過
ぎない。この“比ｔａｇｏＭＩＤｉｓねｎｃｅ’’を利
用した一定の規則とは、次の手法を言う。

その前に、第３図中、パターン・マップの座標を、図示
する如く、縦横軸共に、重みづけ量１を０として十１，
十２，十３，・・・一１，一２，一３・・・の如く定義
しておく。■ 座標（０，０）（前の０は横座標、後の
０は縦座標）の４方向に十１した重みづけ量２を設定す
る。すなわち座標（０，十１），（一１，０），（０，
一１．および（十１，０）にそれぞれ重みづけ量２を置
く。■ ■で設定された各重みづけ重量２に対し、その
８方向に十１した重みづけ量３を設定する。

ただし、その８方向のうち既に重みづけ量が置かれた部
分はそのままにしておく（以下同じ）。

例えば、座標（０，十１）の重みづけ量２に関し、座標
（０，十２），（一１，十２），（一１，十１），（十
１，十１）および（十１，十２）にそれぞれ重みづけ量
３を置く。同様に座標（一１，０），（０，一１）およ
び（十１，０）に置かれた各重みづけ量２について、８
方向の重みづけ量３を贋〈。■ ■で設定された各重み
づけ量３に対し、再びその４方向に十１した重みづけ量
４を設定する。

例えば座標（０，十２）の重みづけ量３については、そ
の４方向（上下左右）のうち上方向のみに（下，左，右
方向は既に重みづけされている）、すなわち座標（０，
十３）に重みづけ量４を置く。同様に他の重みづけ量３
について、各々の４方向に重みづけ量４を置く。■ 以
下同様に、４方向、８方向の重みづけを交互に繰り返し
、パターン・マップを形成する。

従って中心の画素から遠ざかる程重みづけ量は増大して
行く。第４図は第３図をもとに説明した前記一定の規則
（０ｃねｇｏｎａＩＤｉｓｔａｎｃｅ）で形成されたパ
ターン・マップの一例を示す図である。

本図に示すとおり、重みづけ量１が置かれたパターン（
Ａと読める）に対し、その周囲に重みづけ量２，３，４
．５の魔かれたパターン・マップが形成されている。第
３図、第４図とも、最小幅の画素に対しパターン・マッ
プを形成した場合を示すが、線幅の太いパターンに対し
ては、そのパターン内部へ向っても重みづけを行なう。

ただし、内部へ向う重みづけは逆に−１，一２・・・と
減じて行く。例えば第５図に示す如く略凸字状のパター
ンがあったとすれば、前記■，■，■・・・の手順に則
りながら逆に今度は−１，一２の如く重みづけを減じて
行くものとする。さて、次に上記パターン・マップを用
いて文字・記号認識を実行する手法を説明する。

第６Ａ図は第２図の定義パターン２１−１についての詳
細なパターン・マップを示す図であり、第６Ｂ図は第２
図の被認識パターン２２についての詳細なパターン・マ
ップを示す図である。なお、第２図のパターン２１一２
・・・２１一ｎについても同様な手法で形成されたパタ
ーン・マップが予め与えられている。これら定義パター
ンは例えば磁気ディスク装置等にストアされている。ま
た、第６Ｂ図はやや崩れた手書き文字Ａを示したが、実
際はハードウェアは末だこれを認識していないことは言
うまでもない。ここに被認識パターン（第２図および第
６Ｂ図の２２）は、それぞれ第２図および第６Ａ図の定
義パターン２１一１Ａ、第２図の定義パターン２１一２
Ｂ…第２図の定義パターン２１一ｎ（十）と順次パター
ン・マッチングされ、第２図の歪量Ｄ．，Ｄ２…Ｄｎが
算出される。

ただし、その前段として被認識パターンに一定の処理が
加えられていなければならない。一定の処理とは規格化
のことである。すなわち、第２図の定義パターン２１一
１，２１一２・・・２１一ｎはそれぞれ例えば１０×１
４のドット・パターンの大きさで規格化されているので
、これと比較すべき被認識パターンもその１０×１４の
ドット・パターンに大きさを揃えておく必要がある。こ
れが規格化である。この規格化を行なった後、被認識パ
ターンの前記パターン・マップの形成、パターン・マッ
チング、歪量Ｄ，，Ｄ２・・・Ｄｎの算出、歪量評価関
数の最小値決定等、一連の処理を実行する。これをフロ
ーチャートで示すと次のとおりである。上記フローチャ
ートにおいて、ステップａに関しては一般の文字・記号
認識と全く同じステップである。

ステップｂについては、既に説明したとおりである。た
だし、このステップｂに関し新たな手法を導入しておく
のが都合が良い場合がある。これは特に規格化が拡大の
方向で行なわれる場合に有効である。というのは、この
拡大により本来線幅の細い手書き文字・記号が大幅の線
として扱われてしまうために、歪量をパラメータとして
認識を行なう本発明において都合が悪い。つまり、大幅
になった部分は、みかけ上歪量の増加として取り扱われ
てしまい、高精度な認識が阻害されてしまう。そこで、
本発明は次の様に規格化（拡大）を行う。例えばば、第
７Ａ図の５×７ドット・パターン（十）が入力された時
、先ず横方向の長さ成分のみ２倍に拡大し第７Ｂ図の１
０×７ドット・パターンを得る。横方向に伸びる線分で
あるという判定は横方向に連続する黒画素の数が線幅（
例えば２）以上であるかないかによって行う。従って、
従方向の線幅はそのままである。次に、第７Ｂ図の１０
×７ドット・パターンの縦方向成分のみ２倍に拡大し、
第７Ｃ図の規格化された１０×１４ドット・パターンを
得る。従って横方向の線幅はそのままである。かくして
、線幅は元のままで規格化が行なえる。もし単純に（５
×７）から（１０×１４）への拡大を行なえば、第７Ｃ
図の点線７１で示す如きパターンに規格化され、不必要
に太くなった部分は歪量として認識されることになる。
上記フローチャートのステップｃについては、既に第３
図、第４図、第５図をもとに説明したとおりであり、本
ステップｃの最後に第６Ｂ図のパターン・マップ（文字
Ａが入力されている場合）を得る。

次にステップｄについて、再び第６Ａ図および第６Ｂ図
を参照しながら具体的に説明する。本ステップｄは両パ
ターン・マップの対応するドット同士毎に重みづけ量の
差ｄ、すなわち歪量を算出する。この操作は第２図の歪
量計算部２３−１で行なわれる（定義パターンＡと比較
の場合）。この場合、先ず重みづけ量の差ｄの算出は２
方向で行なわれる。第１の方向は、第６Ａ図の定義パタ
ーン中の１の部分全てと、第６Ｂ図の被認識パターン中
の各対応するドット部分の差、例えば矢印Ａである。こ
の矢印Ａのとき得られるｄ＾・はｄ＾・＝１−３＝−２
である。同様に残る全ての１の部分について、それぞれ
のｄ＾ｉ（ｉ＝２，３，４…）を算出する。次に第２の
方向は、第６Ｂ図の被認識パターン中の１の部分全てと
、第６Ａ図の定義パターン中の各対応するドット部分の
差、例えば矢印Ｂである。この矢印Ｂのとき得られるｄ
Ｂ，はｄＢ，＝２一１＝１である。同様に残る全ての１
の部分について、それぞれｄＢｉ（ｉ＝２，３，４・・
・）を算出する。この後の操作は、前記重みづけ量の差
を２奏し総和を求めることである。すなわち、前記第１
の方向に関し（ｎは定義パターン・マッ の１の総数）を求め、前記第２の方向に関し（ｍは被認
識パターン・マップ中の１の総数）を求めることで ｉ ，ｄＢｉについてそれ，ぞれの２案をとったのは、
定義パターン・マップと被認識パターン・マップとの間
のずれ（歪量）を強調して抽出するためである。

例えば両者の歪量が１，２の如く小さいときは１，４と
して抽出されるが、もし両者の歪量が５，６の如く大き
くなると２５，３６として抽出され両者間の歪が拡大強
調される。従って、２乗することに限定するのに止まら
ず、３案、４乗と強調しても良い。唯、演算処理が膨大
になり不経済となる。さらに、次の操作は、前記歪量の
総和（評価関数の値）を求めることであり、これが第２
図の歪量Ｄ．となる。

すなわち、である。

第２図の歪量Ｄ２・・・Ｄｎについても全く同様に計算
される。そしてステップｅにおいて、全評価関数の値を
なす、歪量Ｄ，，Ｄ２・・・Ｄｎの最小値を決定する。

これは第２図の判定部２４が行なう。第６Ｂ図の設例で
は歪量Ｄ，が最小値となるから、ここに文字Ａが初めて
認識される。結局、本発明の方式を実現するシステム構
成は第８図の如くなる。

本図において、８１は生の被認識パターンＡであり、こ
れを規格化回路８２において規格の大きさ（１０×１４
ドット・パターン）に拡大または縮小し、パターン・マ
ップ作成回路８３において、各ドットに重みづけ量を付
与したパターン・マップを得る。そして、歪量計算回路
８４において、定義パターン・ライブラリ８５の定義パ
ターン・マップを照合をとりながら、前記評価関数をな
す。を計算する。

そして、最小値選択回路８６（第２図の判定部２４に同
じ）において、歪量の評価関数値の最小値を選択し、そ
れに対応する定義パターンをもって入力された文字・記
号を認識する。第９図は実際のハードウェア構成を示す
ブロック図である。本図において、９１はスキヤナであ
り認識すべき文字・記号を光学的に謙取る。例えばＴＶ
キャスナである。読取られた被認識パターンはＲＯＭ（
Ｒｅａｄ○ｍｌｙＭｅｍｏひ）９６に格納された規格化
プログラムにより、中央処理装置（ＣＰＵ）９２の制御
のもとに読取ったパターンの大きさを規格化する。次に
、ＲＯＭ９６に同じく格納されたパターン．マップ作成
プログラムにより、中央処理装置９２の制御のもとに、
その規格化されたパターンからパターン・マップを作成
する。１つの画素１に対し、その４方向に２の重みづけ
を行なう。

この重みづけ２が置かれたアドレスは第１テーブル９４
にストアされる。このアドレスを中心に８方向に３の重
みづけを行なう。この重みづけ３が置かれたアドレスは
第２テーフル９５にストアされる。そしてこのアドレス
を中心にして４方向に４の重みづけを行なう。この重み
づけ４が置かれたアドレスは、第１テーブル９４の内容
をＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏひ）９３
に移し変えて、この第１テーブル９４１こストアする。
従って、第１および第２テーブル９４，９５は単なるバ
ッファ・レジスタである。最後に、ＲＯＭ９６に格納さ
れた歪量計算プログラムにより、中央処理装置９２の制
御のもとに、歪量計算、すなわちｊ≧，（ｄ〜）２十ｉ
峯，（ｄＢｉ）２を実行する。この歪量計算に必要な定
義パターン・マップの重みづけ量は磁気ディスク９７に
格納されている。この後、中央処理装置９２は歪量の最
小値を選択し、これに対応する定義パターンをもって入
力された文字・記号を認識する。以上説明したように本
発明によれば、基本的にパターン・マッチング方式であ
りながら歪量の多い手書き文字・記号にも極めて有効な
文字・記号認識方式が実現される。

【図面の簡単な説明】

第１図は、本発明の方式の基礎となるパターン・マッチ
ング方式を図解的に示すブロック図、第２図は本発明の
方式の原理を図解的に示すブロック図、第３図は本発明
で用いるパターン・マップの形成方法（手順）を説明す
るための図、第４図は第３図で説明した手順で形成され
パターン・マップの一例を示す図、第５図は線幅の太い
パターンに対してパターン・マップを形成する場合の手
法を説明するための図、第６Ａ図および第６Ｂ図はパタ
ーン・マップを用いて文字・記号認識を実行する手法を
説明するための図、第７Ａ図、第７Ｂ図および第７Ｃ図
は本発明による規格化の手法を説明するための図、第８
図は本発明の方式を実施するシステム構成例を示すブロ
ック図、第９図は第８図に示したシステム構成の実際の
ハードウェア構成例を示すブロック図である。 図において、２１−１〜２１−ｎはそれぞれ定義パター
ン・マップ、２２は被認識パターン・マップ、２３−１
〜２３−ｎはそれぞれ歪量計算部、２４は判定部である
。 第１図 第２図 第３図 第４図 第５図 第８図 第６Ａ図 第６８図 第７Ａ図 第７８図 第７Ｃ図 第９図

Claims (1)

1. 【特許請求の範囲】 １ 認識されるべき被認識文字・記号から得られる被認
   識文字・記号パターンを所定のドツト・パターンの大き
   さに規格化する規格化部と、 該規格化部より送出され
   る前記の規格化された被認識文字・記号パターンについ
   て、そのパターン周辺に分布する各ドツトごとに所定の
   重みづけ量を割り当てた被認識パターン・マツプを作成
   する被認識パターン・マツプ作成部と、 基準となる定
   義文字・記号を表す定義文字・記号パターンの各々につ
   いて、そのパターン周辺に分布する各ドツトごとに所定
   の重みづけ量を割り当てた定義パターン・マツプを予め
   ストアする定義パターン・ライブラリ部と、 該定義パ
   ターン・ライブラリ部から順次送出される各前記定義パ
   ターン・マツプと前記被認識パターン・マツプ作成部か
   ら送出される前記被認識パターン・マツプとを比較し、
   該定義および被認識パターン・マツプでそれぞれ割り当
   てられた前記重みづけ量相互の差を求めて歪量を算出す
   る歪量計算部と、 該歪量計算部にて算出された各前記
   歪量のうち最小のものを選択する最小値選択部とを有し
   、ここに 前記規格化部は、前記被認識文字、記号パタ
   ーンの大きさを前記定義文字・記号パターンの大きさに
   揃えるための規格化を行い、 前記被認識パターン・マ
   ツプ作成部は、前記被認識パターンから前記ドツトが遠
   ざかるのに比例して各該ドツトに割り当てられる前記重
   みづけ量が増大する一定の規則（ＯｃｔａｇｏｎａｌＤ
   ｉｓｔａｎｃｅ）に従つて該被認識パターン・マツプを
   作成し、 前記定義パターン・ライブラリ部か、前記定
   義文字・記号パターンの各々について、前記一定の規則
   （ＯｃｔａｇｏｎａｌＤｉｓｔａｎｃｅ）と同一の規則
   に従つて作成された前記定義文字・記号パターン・マツ
   プをストアし、 前記歪量計算部は、前記定義パターン
   ・マツプおよび被認識パターン・マツプのそれぞれ対応
   する前記ドツト相互間において逐次前記重みづけ量の差
   を変数とする評価関数の値を算出し、 前記最小値選択
   部は、前記評価関数の値が最小となるときの前記定義パ
   ターンをもつて当該文字・記号の認識を確定することを
   特徴とする文字・記号認識方式。 ２ 前記被認識パターン・マツプ作成部は、大幅の前記
   被認識文字・記号パターンに対し、該被認識文字・記号
   パターンの中心に向うに従つて前記重みづけ量を減少し
   て該被認識パターン・マツプを形成する特許請求の範囲
   第１項記載の方式。 ３ 前記規格化部は、前記被認識文字・記号パターンを
   拡大する規格化を行う場合、先ず縦方向パターンはその
   ままにして横方向パターンのみ拡大し、次に拡大された
   該横方向パターンはそのままにして前記縦方向パターン
   のみ拡大する特許請求の範囲第１項記載の方式。 ４ 前記歪量計算部は、各前記ドツト対応の前記重みづ
   け量の差ｄ＿ｉ（ｉ＝１，２，…ｎ）とするとき、前記
   評価関数を▲数式、化学式、表等があります▼ に定める特 許請求の範囲第１項記載の方式。 ５ 前記歪量計算部は、前記定義パターン・マツプ内の
   前記定義文字・記号パターンに相当する各前記ドツトと
   前記被認識パターン・マツプ内の対応する各前記ドツト
   間で得られる前記重みづけ量の差をｄ＿Ａ＿ｉ（ｉ＝１
   ，２…ｋ）とし、逆に該被認識パターン・マツプ内の該
   被認識文字・記号パターンに相当する各前記ドツトと該
   定義パターン・マツプ内の対応する各前記ドツト間で得
   られる前記重みづけ量の差をｄ＿Ｂ＿ｉ（ｉ＝１，２…
   ｍ）として前記評価関数を▲数式、化学式、表等があり
   ます▼ に定める特許請求の範囲第４項記載の方式。